شناسایی و بررسی فرآیند اثرگذاری مهمترین متغیرهای موثر بر بحران بانکی در طی زمان
محورهای موضوعی : دانش سرمایهگذاریقدرت الله طالب نیا 1 , سیاوش ملک پور 2 , حمیدرضا وکیلی فرد 3 , محمدحسین رنجبر 4
1 - دانشیار ، گروه حسابداری ؛ واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ؛ تهران ، ایران (نویسنده مسئول)
2 - دانشجوی دکتری، دانشکده علوم و تحقیقات، دانشگاه آزاد اسلامی واحد قشم
3 - دانشیار ، گروه حسابداری ؛ واحد علوم و تحقیقات ، دانشگاه آزاد اسلامی ؛ تهران ، ایران
4 - گروه حسابداری و مدیریت مالی، دانشکده علوم انسانی، دانشگاه آزاد اسلامی بندرعباس
کلید واژه: بحران بانکی, کفایت سرمایه, مدلهای میانگین گیری بیزین, کلمات کلیدی: بحران,
چکیده مقاله :
چکیدهبررسی بحرانهای بانکی در دنیا طی زمان نشان دهنده مخرب بودن برخی از آنها میباشد،مشکلات نهادی، تحریمهای اقتصادی و مالی و حتی همهگیری ویروس کرونا موجب افزایش چشمگیر احتمال وقوع بحران در نظام بانکی کشور شده است. سهم بیش از 80 درصدی بانکها در تأمین مالی سرمایهگذاری در کشور اهمیت شناسایی عوامل موثر بر بحران بانکی را دو چندان نموده است، بر این اساس از روش میانگینگیری بیزی و روش خودرگرسیون برداری تعمیم یافته پارامتر متغیر زمان در راستای تعیین متغییرهای موثر بر بحران مالی در بانکها استفاده شده است. پژوهش حاضر از لحاظ روش پژوهش کاربردی میباشد. برآورد مدل میانگینگیری بیزی و TVP_FAVAR در نرمافزار متلب 2021 در بازه 11 ساله ( 1387تا 1398)؛ صورت خواهد گرفت. نمونه مورد بررسی 10 بانک پذیرفته شده در بورس اوراق بهادار تهران میباشد. در ابتدا 49 متغیر موثر بر بحران بانکی وارد مدل گردید و با استفاده از رویکرد مدل میانگینگیری بیزی 12 متغیر غیر شکننده مؤثر بر بحران مالی شناسایی شدند. خروجی نتایج نشان میدهد شاخص بحران بانکی در اقتصاد ایران به دلیل اینکه متغیرهای مرتبط با سیاستگذارهای بخش پولی و مالی بر آن اثرگذارند چند وجهی میباشد؛ نتایج مدل TVPFAVAR نیز نشان میدهد، اثرگذاری متغیرهای موثر بر بحران بانکی عموماً مثبت و قوی است و این تأثیر عموماً در بلندمدت قویتر از کوتاه-مدت است؛ در نتیجه جهت کاهش بحران بانکی سیاستهای درمانی و صلاحدیدی نمیتواند مانع از وقوع بحران بانکی شود و به سیاستها و زیرساختهای نهادی و بنیادی و قاعدهمند نیاز است.
AbstractThe study of banking crises in the world over time shows that some of them are destructive. Institutional problems, economic and financial sanctions and even the spread of the Corona virus have significantly increased the likelihood of crisis in the country's banking system. The share of more than 80% of banks in financing financing investment in the country has doubled the importance of identifying the factors affecting the banking crisis. Banks are used. The present research is applied in terms of research method. Estimation of Bayesian averaging model and TVP_FAVAR in MATLAB 2021 software in 11-year period (2008-2019); it is going to happen. The sample is 10 banks listed on the Tehran Stock Exchange. Initially, 49 variables affecting the banking crisis were entered into the model and 12 non-fragile variables affecting the financial crisis were identified using the Bayesian averaging model approach. The output of the results shows that the banking crisis index in the Iranian economy is multifaceted because the variables related to monetary and financial sector policy makers affect it; The results of the TVPFAVAR model also show that the effect of variables affecting the banking crisis is generally positive and strong, and this effect is generally stronger in the long run than in the short run; As a result, in order to reduce the banking crisis, medical and discretionary policies can not prevent the occurrence of the banking crisis, and institutional and fundamental policies and infrastructures are needed.
ابراهیمی، ایلناز و حسین توکلیان. ) 1391 (. طراحی یک سامانه هشداردهی زودهنگام بحرانهای ارزی در ایران
با استفاده از رویکرد مارکوف سوئیچینگ. بیست و دومین امین کنفرانس سیاستهای پولی و ارزی پژوهشکده
پولی و بانکی.
صادقی شریف سید جلال، محمد طالبی، اکبر عالم تبریز و محمدرضا کاتوزیان ) 1397-1398 ( ،) 1398 ،)
مقایسه شاخصهای تعیین آستانه بحران مالی بانکها در سیستم هشدار سریع بر اساس عامل چرخههای
تجاری، دوره 19 ، شماره 73 ، صفحه 183 - 215
صادقی عمروآبادی، بهروز، محمودی نیا، داود، ) 1399 (، وقوع همزمان بحرانهای بانکی، بدهی و ارزی
)بحرانهای سه گانه( در اقتصاد ایران و عوامل تعیینکننده آن در طول دوره زمانی 1359 - 1396 ، فصلنامه
تحقیقات مدل سازی اقتصادی، شماره 39 ، صص 63 - 82 .
سلیمانی امیری غلامرضا، ) 1382 (، نسبتهای مالی و پیشبینی بحران مالی شرکتها در بورس اوراق بهادار
تهران، دوره 5، شماره 15 - شماره پیاپی 533 .
طالب نیا قدراله،آزیتا جهانشاد و زهرا پورزمانی، ) 1387 (، ارزیابی کارایی متغیرهای مالی و متغیرهای اقتصادی
در پیشبینی بحران مالی شرکتها )مورد مطالعه(، دوره 16 ، شماره 55 ، از صص 67 تا 84 .
صیادنیا طیبی، عزت الله؛ علی، ارشدی؛ سعید، صمدی و هوشنگ شجری، ) 1389 (، تبیین یک سیستم
هشداردهنده جهت شناسایی بحرانهای مالی در ایران، فصلنامه پول و اقتصاد، 2 ( 6 :) 211-169 .
عسگریان، محمدرضا، دایی کریم زاده، سعید، شریفی رنانی، حسین، ) 1399 (، پیشبینی احتمال وقوع
بحرانهای مالی بانکی سیستماتیک در کشورهای منتخب در حال توسعه )رویکردی از مدل لاجیت چندگانه(،
فصلنامه نظریههای کاربردی اقتصاد، سال هفتم، شماره 4، صص 117 - 138 .
قوام، محمد حسین؛ جعفر، عبادی و شاپور محمدی، ) 1394 (، طراحی مدل هیبریدی هشداردهنده پیش از
موعد بحران مالی برای اقتصاد ایران. فصلنامه مطالعات اقتصادی کاربردی ایران، سال چهارم، شماره 13 : 86 -
35 .
کمیجانی، اکبر و ژاله زارعی، ) 1391 (، ارزیابی ثبات مالی در ایران با تأکید بر ثبات بانکی )رویکرد آزمون
هشدارهای اولیه(. فصلنامه اقتصاد کاربردی، سال سوم، شماره 10:152 - 127 .
کمالیان، نساء، پورشهابی، فرشید، نطری، عظیم، ) 1399 (، نقش بحران بانکی در اثرگذاری تنوع درآمدی بر
سودآوری صنعت بانکداری در ایران، فصلنامه دانش مالی تحلیل اوراق بهادار، سال سیزدهم، شماره چهل و
هشتم، صص 25 - 51 .
مشیری، سعید و محمد نادعلی، ) 1392 (، شناسایی عوامل مؤثر در بروز بحران بانکی در اقتصاد ایران. فصلنامه
پژوهشنامه اقتصادی، سال سیزدهم، شماره 48 : 27 - 1 .
Alessi, L. & C. Detken. (2011). Quasi Real Time Early Warning Indicators for Costly Asset Price Boom/bust Cycles: A Role for Global Liquidity. European Journal of Political Economy, 27(3): 520–533.
فصلنامه علمی پژوهشی دانش سرمایهگذاری - انجمن مهندسی مالی ایران
408 دوره 12 / پیاپی 47 / پائیز 1402
Allen, F. & D. Gale. (2002). Financial Fragility, Working Paper No. 01–37, Wharton Financial Institutions Center, University of Pennsylvania.
Asanović, Ž. (2013). Early Warning Models for Systemic Banking Crises in Montenegro, Economic and Business Review, 15(2): 149-135.
Babecký, J., T. Havránek, J. Matějů, M. Rusnák, K. Šmídová & B. Vašíček. (2012). Leading Indicators of Crisis Incidence: Evidence from Developed Countries, Czech National Bank, mimeo.
Bonis, R.D., A. Giustiniani & G. Gomel. (1999). Crises and Bail Outs of Banks and Countries: Linkages, Analogies, and Differences. The World Economy, 22: 55-86.
Borio, C. & P. Lowe. (2002). Assessing the risk of banking crises, BIS Quarterly Review, 43-54 (Basel Switzerland: Bank for International Settlements).
Bussière, M. (2007). Balance of Payment Crises in Emerging Markets – How Early Were the Early Warning Signals?, European Central Bank Working Paper 713.
Collins, S.M. (2001). A Model of the Timing of Currency Crises; Georgetown University, Unpublished manuscript, August.
Chen.M. Davis, E. P., & Karim, D. (2021). Could early warning systems have helped to predict the sub-prime crisis? National Institute Economic Review, 206(1): 35-47.-
Crespo Cuaresma, J. & T. Slacik. (2009). On the determinants of currency crises: The role of model uncertainty, Journal of Macroeconomics, 31(4): 621-632
Eichengreen, B. (2002). Financial Crises: And What To Do About Them, Oxford University Press.
Feransic A., & Karatas, E. (2021). The determinants of banking crises in developed and developing countries. International Monetary Fund, 45(1): 81-109.
Hoeting, J., D. Madigan, A. Raftery, & V. Chris. (1999). Bayesian Model Averaging: A Tutorial, Technical Report 9814, Department of Statistics, Colorado State University.
Hosni, K. (2014). Early Warning Indicators for Systemic Banking Crises, Journal of Business Studies Quarterly, 5(4): 244-222.
Hawkins, J. & K. Marc. (2000). Measuring potential vulnerabilities in emerging market economies, BIS Working Papers 91, Bank for International Settlements.
Laeven, L. & F. Valencia. (2012). Systemic Banking Crises Database: An Update. Washington: International Monetary Fund.
Magnus, J., O. Powell, & P. Prufer. (2010). A Comparison of Two Model Averaging Techniques with an Application to Growth Empirics, Journal of Econometrics, 154: 139-153.
Mishkin, F. (1992). Anatomy of Financial Crisis, Journal of Evoloutionary Economy, 2: 115-130.
Mitchell, W.C. (1941). Business Cycles and their Causes, University of California Press.
Raftery, A.E. (1988). Inference and Prediction for the Binomial N Parameter: A Hierarchical Bayes Approach, Biometrika, 75: 223-228.
Reinhart, C.M. & K. S. Rogoff. (2011). From financial crash to debt crisis, International Finance and Macroeconomics, 101 (5): 1676–1706.